基于泛化理论的集成神经网络优化算法

资源类型: 资源大小: 文档分类:工业技术 上传者:郭峰

文档信息

【作者】 秦立龙  余奇  王振宇 

【关键词】神经网络集成 粒子群算法 泛化理论 调制识别 

【出版日期】2013-11-15

【摘要】多分类器集成方法往往能够获得比单个分类器更好的泛化精度,为了解决Bagging和Boosting等集成算法中分类器选择的盲目性和随机性,提出了一种新的神经网络集成方法。在分析神经网络集成泛化误差公式的基础上,利用粒子群算法进行特征选择并保存特征选择的最优解和次优解,引入差异度思想进行基分类器的选择性集成,从而尽量减小集成个体的泛化误差和增大集成的差异度。经计算机仿真研究证明,与Bagging和Boosting集成算法相比,新算法在分类识别中具有较好的泛化性能。

【刊名】计算机仿真

问答

我要提问